എഐ മോഡലുകളുടെ കാര്യത്തിൽ മുന്നിട്ട് നിൽക്കുന്ന യുഎസിനും ചൈനയ്ക്കും വെല്ലുവിളി ഉയർത്തുകയാണ് ഒരു ഇന്ത്യൻ എഐ സ്റ്റാർട്ടപ്പ്. എഐ ലോകം ഭരിക്കുന്ന ഗൂഗിളിൻ്റെ ജെമിനൈയും ചാറ്റ്ജിപിടിയുടേയും ഇടയിലേക്കാണ് ബെംഗളൂരു ആസ്ഥാനമായ ഇന്ത്യൻ എഐ സ്റ്റാർട്ടപ്പായി സർവം AI എത്തിയിരിക്കുന്നത്.
സർവം വിഷൻ അതിൻ്റെ വൈദഗ്ധ്യ മേഖലകളായ ഒപ്റ്റിക്കൽ റെക്കഗ്നിഷനിലെ ചില മാനദണ്ഡങ്ങളിൽ ചാറ്റ്ജിപിടി, ജെമിനൈ, ആന്ത്രാപിക് ക്ലൗഡ് തുടങ്ങിയ AI മോഡലുകളെ മറികടക്കുന്ന പ്രകടനം കാഴ്ചവെക്കുന്നതായാണ് ഉപയോക്താക്കളും വിദഗ്ധരും അഭിപ്രായപ്പെടുന്നത്. സർവം AI സഹസ്ഥാപകനായ പ്രത്യുഷ് കുമാർ അടുത്തിടെ പങ്കു വെച്ച എക്സ് പോസ്റ്റുകളിലൂടെ കമ്പനിയുടെ ഇൻ-ഹൗസ് എഐ മോഡലുകളിൽ നിന്നുള്ള ഏറ്റവും പുതിയ നേട്ടങ്ങളുടെ വിശദാംശങ്ങളും പങ്കിട്ടിട്ടുണ്ട്. ഇതനുസരിച്ച്, ഓൾമോസിആർ-ബെഞ്ചിൽ സർവം വിഷൻ 84.3 ശതമാനം കൃത്യത സ്കോർ നേടിയിട്ടുണ്ട്. ഇത് ജെമിനി 3 പ്രോയേക്കാളും ഡീപ്സീക്ക് ഒസിആർ v2 പോലുള്ള സമീപകാല ഒസിആർ മോഡലുകളേക്കാളും കൂടിയ സ്കോർ ആണ്. ഈ റാങ്കിംഗിലും താഴെയാണ് ചാറ്റ്ജിപിടി.
കൂടാതെ, OmniDocBench v1.5 ലും സർവം വിഷൻ മികച്ച സ്കോർ നേടി. ഇതിന് പുറമേ ,സങ്കീർണ്ണമായ ലേഔട്ടുകൾ, സാങ്കേതിക പട്ടികകൾ, ഗണിതശാസ്ത്ര സൂത്രവാക്യങ്ങൾ എന്നിവയിലും മികച്ച സ്കോർ നേടിയ സർവം വിഷൻ ആകെ 93.28 ശതമാനം സ്കോർ നേടിയിട്ടുണ്ട്.
ഇതോടെ സർവം വിഷൻ ആഗോളതലത്തിൽ ശ്രദ്ധ നേടിക്കഴിഞ്ഞു. മുമ്പ് ഇന്ത്യൻ ഭാഷാ മോഡലുകളിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിച്ചതിന് വിമർശനം ഏറ്റുവാങ്ങിയിരുന്ന സർവം വിഷൻ ഇപ്പോൾ മറ്റ് എഐ മോഡലുകളെ വരെ പിന്തള്ളി അംഗീകാരം നേടിയിരിക്കുകയാണ്.
ഒസിആർ ടൂൾ കൂടാതെ സർവം ബുൾബുൾ V3 എന്ന പുതിയ AI വോയ്സ് മോഡലും പുറത്തിറക്കിയിട്ടുണ്ട്. എഐ ഉപയോഗിച്ച് ഓഡിയോ നിർമിക്കാൻ ലക്ഷ്യമിട്ടുള്ള ഒരു ടെക്സ്റ്റ്-ടു-സ്പീച്ച് എഐ മോഡലാണിത്. അതായത്, ഈ മേഖലയിലെ ഏറ്റവും മികച്ചതെന്ന് കരുതുന്ന ElevenLabs വാഗ്ദാനം ചെയ്യുന്ന എഐ ടൂളുകളോട് കിടപിടിക്കുവാൻ കഴിയുന്നതാണിത്. നിലവിൽ, ഇത് 11 ഇന്ത്യൻ ഭാഷകളിലായി 35-ലധികം ശബ്ദങ്ങളെ പിന്തുണയ്ക്കുന്നു. ഭാഷാ പിന്തുണ മൊത്തം 22 ഭാഷകളിലേക്ക് വികസിപ്പിക്കാനാണ് പദ്ധതിയെന്നും കമ്പനി വ്യക്തമാക്കിയിട്ടുണ്ട്.
